基于群体智能免疫算法的PID自整定

传统的PID整定方法得到的结果通常不是最优参数,很多学者采用遗传算法和模拟退火方法来解决这个问题.针对遗传算法很容易陷入局部最优值和模拟退火算法收敛速度慢这些缺点,融合了粒子群算法和人工免疫机理的优点,提出了一种基于群体智能的免疫算法,对典型二阶对象进行PID控制器参数优化整定.仿真结果证明了提出的算法有效可行.     

一种改进的人工免疫文本聚类算法

构造了一种能准确描述文本之间相似性(亲和力)的新方法,并在此基础上提出了一种改进的人工免疫文本聚类算法。仿真结果表明,与传统的文本聚类算法相比,新算法不仅能自动发现新类,而且具有聚类精度更高、数据压缩比更大、与输入初始配置无关、可增量处理的优势。     

负选择算法在人工免疫系统中的应用

负选择算法是人工免疫系统中的核心算法之一,其性能对整个系统具有重要意义。负选择算法在选择过程中通常使用的是k连续位匹配规则,由于该匹配规则所固有的特殊性质,无法避免生成互相匹配的检测器。这些互相匹配的检测器在其覆盖空间（对非自体集合）存在非空交集,从而降低了负选择算法所产生的检测器的整体覆盖空间。本文为了避免负选择算法生成互相匹配的检测器,提出一种改进的负选择算法。与传统的负选择算法相比,该算法提高了成熟检测器的整体覆盖空间,使系统的检测能力有所提升。     

基于改进人工免疫网络的配电网单相接地故障辨识方法

配电网故障辨识有利于线路的全面分析与后续检修,但过渡电阻较高时单相接地故障稳态特征不明显,辨识正确率受到影响.提出了一种基于改进人工免疫网络的单相接地故障辨识方法,利用希尔伯特-黄变换提取故障暂态过程中零序电压的固有模态分量,得到反映波形变化程度的频域特征,进而构造特征向量;采用记忆细胞方差自适应调整环节对人工免疫网络进行改进,以生成能够体现原有特征且均匀分布的记忆细胞来进行故障判断,可以克服训练数据样本少、分布不均匀的问题,并且网络训练速度快.在MATLAB/Simulink中建立仿真模型,测试集的验证结果表明本文辨识方法在小样本训练的情况下能对故障与正常扰动进行识别,训练时间短,不需要人为设置阈值;同时,在中性点接地方式变化、信号存在噪声以及系统拓扑结构变化时,该方法适应性依然良好.     

基于人工免疫的RBF神经网络在钢筋性能预报中的应用

提出了一种基于免疫识别原理的径向基函数神经网络学习算法.该算法利用人工免疫系统的识别、记忆、学习等原理,将输入数据作为抗原,抗体为抗原的压缩映射作为径向基函数神经网络模型的隐层中心,输出采用最小二乘法确定权值.通过预报热轧带肋钢筋力学性能的仿真实验结果表明,与K-均值法选择中心点比较,该算法计算量较小,精度高.     

基于生物免疫系统克隆选择机理和免疫网络理论的免疫算法

提出一种基于生物免疫系统克隆选择机理和免疫网络理论的免疫算法.该算法通过抗体的克隆选择和变异过程,完成对入侵抗原的清除,实现免疫防御的功能;利用免疫网络调节的思想选择抗体记忆细胞,完成知识的学习和积累,实现免疫自稳的功能;利用所建立的抗体记忆矩阵实现对类似入侵抗原的快速应答,行使免疫监视识别功能.该算法利用生物变异机制实现抗体的自适应调节,使系统具有自适应、自学习能力.在加热炉状态识别的应用研究表明,本文所提出的算法在解决数据识别方面具有较好的效果.     

免疫网络调节算法及其在固定频率分配问题中的应用

提出了一种免疫网络调节算法(INRA).该算法以Jerne的独特型网络调节理论为基础,将选择、变异等遗传操作算子整合到算法惟一的免疫调节算子中,并用Segel的形态空间计算模型定量指导免疫调节算子的行为.为了证明该算法有效,还针对固定频率分配问题进行了相关实验,结果表明该算法的多样性保持能力和收敛性都相当理想.     

人工免疫系统及人工免疫遗传算法在优化中的应用

叙述了人工免疫学的概况及免疫系统的组成，提出了一种新的优化算法——免疫遗传算法，该算法突出了免疫系统中抗体群合作进化思想。将该方法用于以高炉焦比为优化目标的优化问题，取得较好的效果。     

人工免疫控制器的设计及其控制效果的仿真

借鉴生物特异性免疫中T细胞、B细胞协同免疫机理,提出了一种免疫控制器,并将免疫控制器与PID控制器在系统输出控制能力、抗干扰能力、对象参数变化的适应能力等方面做了比较研究.结果表明这种免疫控制器较PID控制器性能优越.     

分布式人工免疫系统的鲁棒性归约模型

利用分布式多真体(Agent)系统的鲁棒性归约模型,将分布式人工免疫系统看作理想的分布式多真体系统,从而把分布式人工免疫系统的鲁棒性分析问题归约为其各个相对独立的模块的鲁棒性分析问题。人工免疫系统包括正常模型建模模块、自体/异体检测模块、已知异体识别模块、未知异体学习模块、异体消除模块和受损系统修复模块。用问题归约法分析人工免疫系统的鲁棒性后,建立人工免疫系统的鲁棒性归约模型,用各个模块的鲁棒性判据和模块之间免疫控制过程的鲁棒性判据表示分布式人工免疫系统的鲁棒性判据。经定理证明,鲁棒性归约模型能分解和简化分布式人工免疫系统的鲁棒性分析问题,通过各个模块的鲁棒性分析问题求解实现该问题的最终求解。因此,分布式人工免疫系统的鲁棒性归约模型是有用的鲁棒性分析工具,为复杂人工免疫系统的鲁棒性分析提供了有效的方法。